一种分布式光伏投资决策优化方法及系统与流程

1.本发明涉及光伏投资技术领域，尤其是涉及一种分布式光伏投资决策优化方法及系统。


背景技术：

2.我国建筑屋顶资源丰富、分布广泛，开发建设屋顶分布式光伏潜力巨大。分布式光伏项目一般建设在用户所在地附近，例如居民屋顶、厂房屋顶等，具有靠近用户侧、电能利用率高以及不额外占用土地指标等优点，其运营模式采用全额上网、余电上网两种模式。如何引导用户对分布式光伏进行合理的投资决策，有助于引导居民绿色能源消费，有助于实现分布式光伏的高质量发展，进而推动我国实现“碳达峰、碳中和”目标。
3.现有市面上分布式项目投资决策优化的相关开源软件应用系统较少，且功能相对固定。目前我国分布式项目投资有关的软件系统，主要有以下几类：一是，用户输入装机规模等基本参数，测算投资分布式光伏的经济效益指标。例如：光伏电价计算器、光伏电站投资回报计算器。二是，输入关键参数(例如：屋顶面积等)，测算分布式光伏的投资规模，进一步评估分布式光伏项目的经济性。例如：seeder(曦得)光伏计算器。这些软件侧重评估分布式项目的经济性，缺乏对用户经济情况的考虑。从分布式用户的角度来看，用户自身的经济状况是影响其投资分布式光伏的关键因素，例：投资回收期要求、初始投资金额限制等。此外，决策过程中涉及补贴政策、电网电价、贷款利率、气候条件等因素，决策过程较复杂。在这些因素的影响和限制下，用户如何选择适合自己经济条件的分布式光伏投资方案成为其参与到分布式光伏中的首要问题。


技术实现要素：

4.本发明考虑全额上网、余电上网两种分布式运营模式，分析影响分布式用户光伏投资决策的关键因素，简化决策过程，以效益/成本最大化为优化目标，构建不同运营模式下投资决策优化模型。设置输入模块，由用户自定义参数值，输出最优投资方案。
5.为实现上述目的，本发明提供了如下技术方案：
6.一种分布式光伏投资决策优化方法，基于全额上网、余电上网两种投资模式，搭建优化模型，具体步骤如下：
7.s1、确定投资模式及贷款方式，并输入基本数据；
8.s2、根据决策指标体系，计算年均发电量、总投资和自发自用比例；
9.s3、计算两种模式下投资用户的效益、成本、投资回收期、年均投资收益率；
10.s4、以效益/成本最大化为目标，确定优化目标公式；
11.s5、通过分析影响因素，确定投资决策模型的约束条件；
12.s6：输出结果数据，根据模式选择输出最优方案的指标数据。
13.优选的，所述s3步骤中，全额上网模式下，效益包括总售电收入及因发电而产生的年补贴收入；余电上网模式下，效益包括上网电量收入、因自发自用电节省费用及因发电产
生的年补贴收入；
14.全额上网效益公式为：
15.b
x
＝n
×
e
p
×
(p0 p
s
) (t
‑
n)
×
e
p
×
p016.余电上网效益公式为：
17.b
y
＝n
×
[λe
p
×
(p1 p
s
) (1
‑
λ)e
p
×
(p0 p
s
)] (t
‑
n)[λe
p
×
p1 (1
‑
λ)e
p
×
p0]
[0018]
其中，n为补贴年限，e
p
为年上网发电量，p0为当地光伏标杆上网电价，p1为用户用电价格，p
s
为投资补贴，t为投资周期，λ为自发自用比例。
[0019]
优选的，所述s3步骤中两种模式成本都是由投资成本和运维成本决定，成本公式为：
[0020]
c
i
＝ti
i
c
o
×
t，i∈{1,2}
[0021]
投资回收期＝总投资/年净收益
[0022]
＝总投资/(年售电收入
‑
运维成本)
[0023][0024]
年均投资收益率＝((总收入
‑
总投资)/寿命周期)/总投资
[0025][0026]
其中，ti
i
为总投资成本，c
o
为年维护费用，t为投资周期，i＝1表示等额本息还款方式，i＝2表示等额本金还款方式，j＝x表示全额上网模式，j＝y表示余电上网模式。
[0027]
优选的，所述s4步骤中优化目标公式为：
[0028]
maxb
j
/c
i
，j∈{x,y}，i∈{1,2}
[0029]
其中，i＝1表示等额本息还款方式，i＝2表示等额本金还款方式，j＝x表示全额上网模式，j＝y表示余电上网模式。
[0030]
优选的，所述s5步骤中约束条件包括：
[0031]
①
效益成本之比大于或等于1：b
j
/c
i
≥1，j∈{x,y}，i∈{1,2}；
[0032]
②
屋顶或场地面积上限：向下取整；
[0033]
③
初始投资上限：cp
az
×
(1
‑
r1)≤i0；
[0034]
④
投资回收期上限：j∈{x,y}；
[0035]
⑤
参数均大于等于0。
[0036]
约束条件
①
、
②
、
⑤
为分布式光伏投资决策问题中必须满足的约束条件；约束条件
③
、
④
为用户可选择及可自行定义参数值的约束条件；
[0037]
其中，s为屋顶或场地面积，a、b、分别为光伏组件规格(长、宽)及其对应的组件安装容量，p
az
为用户投资光伏容量，c为单位容量投资成本，r1为贷款比例，i0为初始投资上限，(年)为投资回收期上限，i＝1表示等额本息还款方式，i＝2表示等额本金还款方式，j＝x表示全额上网模式，j＝y表示余电上网模式。
[0038]
一种分布式光伏投资决策优化系统，包括ui界面、控制器和优化器，ui界面设置运
营模式及贷款方式选项框、输入组件、输出组件。控制器响应ui界面，并封装输入数据，控制器将封装的输入数据转到优化器中进行优化；优化器内部设置输入函数、输出函数和优化模块，优化模块内设置有年均光伏发电量函数、本息和函数、总投资规模函数、总成本函数、自发自用比例函数及效益函数等函数；其中，计算投资决策优化函数需分别调用总投资函数、总成本函数、效益函数，计算总成本函数需调用总投资函数，计算总投资函数需调用本息和函数，计算效益函数需调用年均光伏发电量函数和自发自用比例函数，自发自用比例函数的计算需调用年均光伏发电量函数。
[0039]
本发明采用上述结构的分布式光伏投资决策优化方法及系统，具有如下有益效果：
[0040]
1、针对不同用户，提供个性化最优投资方案。首先，本发明提供全额上网、余电上网两种投资优化模型选项，用户可以分别计算两种模式下的最优投资方案并进行比较，选择符合用户经济需求的投资运营模式及最优方案。其次，输入模块中设置投资金额上限、静态投资回收期上限、光伏组件规格及组件容量等参数选项，用户可结合自身经济情况，选择投资约束条件，自行定义参数值，以提供个性化、最优的投资方案。
[0041]
2、实现收益/成本最大化。本发明兼顾分布式光伏投资决策的成本与效益，运用成本/效益分析法，以投资分布式光伏的效益/成本最大化为目标，构建投资决策优化模型。
[0042]
3、利用单例模式，减少资源损耗，提高计算效率。本发明在编程时，使用_new_方法在创造实例时进行干预，以实现单例模式，避免多次创建优化器对象，提高计算效率。
[0043]
4、促进分布式光伏的推广。本发明设计是基于效益成本的分布式光伏投资优化建模，在此基础上设计优化系统，有助于引导各类用户理性投资分布式光伏项目。
附图说明
[0044]
图1为一种分布式光伏投资决策优化方法的流程图；
[0045]
图2为一种分布式光伏投资决策优化系统的用例图；
[0046]
图3为一种分布式光伏投资决策优化系统中各函数调用关系图；
[0047]
图4为全额上网模式下的示例运算结果；
[0048]
图5为余电上网模式下的示例运算结果。
具体实施方式
[0049]
以下结合附图和实施例对本发明的技术方案作进一步说明。
[0050]
参数说明：
[0051]
p
az
为用户投资光伏容量；
[0052]
a、b、分别为光伏组件规格长、宽及其对应的组件安装容量；
[0053]
c为单位容量投资成本；
[0054]
d为月平均用电量(kwh/月)；
[0055]
s为屋顶或场地面积(m2)；
[0056]
t为寿命周期(参考值：20
‑
25年)；
[0057]
r1为贷款比例；r2为贷款年利率；n为贷款年限；
[0058]
ti
i
为总投资成本；
[0059]
i0为初始投资上限；为投资回收期上限(年)；
[0060]
p0为当地光伏标杆上网电价；p1为用户用电价格；
[0061]
p
s
为投资补贴；n为补贴年限；
[0062]
e
p
为年上网发电量(kwh)；
[0063]
c0为年维护费用(元/年)；
[0064]
λ为自发自用比例；
[0065]
i∈{1,2}，i＝1表示等额本息还款方式，i＝2表示等额本金还款方式；j∈{x,y}，j＝x表示全额上网模式，j＝y表示余电上网模式。
[0066]
如图1所示，一种分布式光伏投资决策优化方法，基于全额上网、余电上网两种投资模式，搭建优化模型，具体步骤如下：
[0067]
s1、确定投资模式及贷款方式，并输入基本数据；
[0068]
基本数据包括必填部分和选填部分。必填部分包括当地年总辐照量、当地标杆电价、用户用电价格、月平均用电量、光伏板规格、可建设面积、光伏板面积、单位容量成本、系统效率、寿命周期、电价补贴、补贴年限；选填部分包括初始投资上限、投资回收期上限、贷款比例、贷款年利率和还款上限。
[0069]
s2、根据决策指标体系，计算年均发电量、总投资和自发自用比例；
[0070]
年均发电量：
[0071]
根据还款方式，计算本息和：
[0072]
①
等额本息还款：
[0073]
②
等额本金还款：
[0074]
自备现金：cp
az
×
(1
‑
r1)；
[0075]
总投资(自备现金 本息和)：ti
i
＝cp
az
×
(1
‑
r1) i
i
；
[0076]
余电上网模式下自发自用比例函数：λ＝12d/e
p
(λ＜1时，λ＝λ；λ≥1时，λ＝1)；
[0077]
s3、计算两种模式下投资用户的效益、成本、投资回收期、年均投资收益率；
[0078]
①
全额上网模式下，效益包括总售电收入及因发电而产生的年补贴收入(补贴政策年限为n，n年有补贴收入，(t
‑
n)年无补贴收入)，效益公式为：
[0079]
b
x
＝n
×
e
p
×
(p0 p
s
) (t
‑
n)
×
e
p
×
p0[0080]
余电上网模式下，效益包括上网电量收入、因自发自用电节省费用及因发电产生的年补贴收入，效益公式为：
[0081]
b
y
＝n
×
[λe
p
×
(p1 p
s
) (1
‑
λ)e
p
×
(p0 p
s
)] (t
‑
n)[λe
p
×
p1 (1
‑
λ)e
p
×
p0]
[0082]
②
两种模式成本都是由投资成本和运维成本决定，成本公式为：
[0083]
c
i
＝ti
i
c
o
×
t，i∈{1,2}
[0084]
③
投资回收期＝总投资/年净收益
[0085]
＝总投资/(年售电收入
‑
运维成本)
[0086][0087]
④
年均投资收益率＝((总收入
‑
总投资)/寿命周期)/总投资
[0088][0089]
s4、以效益/成本最大化为目标，确定优化目标公式；
[0090]
maxb
j
/c
i
，j∈{x,y}，i∈{1,2}
[0091]
s5、通过分析影响因素，确定投资决策模型的约束条件；
[0092]
①
效益成本之比大于或等于1：b
j
/c
i
≥1，j∈{x,y}，i∈{1,2}；
[0093]
②
屋顶或场地面积上限：向下取整；
[0094]
③
初始投资上限：cp
az
×
(1
‑
r1)≤i0；
[0095]
④
投资回收期上限：j∈{x,y}；
[0096]
⑤
参数均大于等于0。
[0097]
约束条件
①
、
②
、
⑤
为分布式光伏投资决策问题中必须满足的约束条件；约束条件
③
、
④
为用户可选择及可自行定义参数值的约束条件；
[0098]
s6：输出结果数据，根据模式选择输出最优方案的指标数据。
[0099]
结果数据包括最优投资容量、效益成本之比、年均发电量、总投资成本、自发自用比例、投资回收期及年均投资收益率等指标数据。
[0100]
基于以上方法，本发明还设计了一套系统，系统组成如下：
[0101]
如图2
‑
3一种分布式光伏投资决策优化系统，包括ui界面、控制器和优化器，ui界面设置运营模式及贷款方式选项框、输入组件、输出组件。控制器响应ui界面，并封装输入数据，控制器将封装的输入数据转到优化器中进行优化。优化器内部设置输入函数、输出函数和优化模块，优化模块内设置有年均光伏发电量函数、本息和函数、总投资规模函数、总成本函数、自发自用比例函数及效益函数等函数。
[0102]
各函数调用关系如图2所示，其调用顺序为：计算投资决策优化函数需分别调用总投资函数、总成本函数、效益函数，计算总成本函数需调用总投资函数，计算总投资函数需调用本息和函数，计算效益函数需调用年均光伏发电量函数和自发自用比例函数，自发自用比例函数的计算需调用年均光伏发电量函数。
[0103]
基于以上系统，本发明进一步公开了系统搭建方法。
[0104]
1、基于pyqt5创建设计ui界面。利用qt designer设计界面，设置qwidget窗口组件的属性值和属性名称name，用pyuic5 tool转化为python文件，并用python写事件响应函数，最后进行单元测试。本发明设计的ui界面主要包括输入模块、输出模块、运营模式及贷款方式选择框。
[0105]
2、基于python编写软件程序代码，实现优化功能。具体过程为：
[0106]
首先，根据分布式光伏优化模型，设计并实现python封装输入数据、输出数据的实体类。
[0107]
其次，梳理软件运行的流程，设计并实现用于控制软件运行和指令分发的
controller类；基于优化模型，设计并实现优化投资决策的optimizer类。其执行顺序如下：
[0108]
①
程序控制器controller通过setinput()函数为优化器opti mizer赋初始值；
[0109]
②
基于分布式投资决策优化模型，将最优投资决策的计算过程分解为年均光伏发电量函数(calculateaunnalelectricproduction(pvinvest))、本息和函数(calculateprincipalandinvest(pvinvest))、总投资规模函数(calculatetotalinvest(pvinvest))、总成本函数(calculatetotalcost(pvinvest))、自发自用比例函数(calculatespontaneoususeratio(pvinvest))及效益函数(calculatetotalbeneft(pvinvest))等功能模块，并基于python语言在optimizer类中编写相应的函数；
[0110]
③
利用scipy软件包中的optimize优化模块在optimizeinvest()函数中调用各函数，各函数调用关系如图2所示，其调用顺序为：计算投资决策优化函数需分别调用总投资函数、总成本函数、效益函数；总成本函数的计算需调用总投资函数；总投资函数的计算需调用本息和函数；计算效益函数需调用年均光伏发电量函数和自发自用比例函数；自发自用比例函数的计算需调用年均光伏发电量函数；
[0111]
④
计算最优投资决策的相关经济指标，作为输出数据，并将其封装在outputentity实体类中，以便程序控制器controller通过getoptimalresult()函数调用。
[0112]
optimizer类中，为减少资源损耗，本发明在编程时，使用_new_方法在创造实例时进行干预，以实现单例模式。使用_instance来存放实例，如果_instance为none，则新建实例，否则直接返回_instance存放实例。
[0113]
3、利用pyinstaller将程序打包为可执行文件，pyinstaller打包流程为：读取编写好的python程序，分析程序调用的模块并收集python解释器等文件副本，将副本和python程序文件封装为一个可执行文件。
[0114]
运行该文件，打开分布式光伏投资决策优化软件。在输入模块填写相关参数值，点击“确定”按钮，输出用户的最优投资决策方案，包括：最优投资容量、年均上网电量、投资总成本、自发自用比例、静态投资回收期、投资周期内投资收益率及平均每年投资收益率等经济指标。
[0115]
案例运算。情景参数设置如下：水平面太阳能总辐照量(kwh/m2)：h
a
＝1370；当地光伏标杆上网电价(元/kwh)：p0＝0.49；用户用电价格(元/kwh)：p1＝0.62；月平均用电量(kwh/月)：d＝500；组件安装容量(kwp)：光伏组件规格(面积)：ab＝1.5；光伏系统综合效率：k＝80％；屋顶或场地面积(m2)：s＝50；单位容量投资成本(元/kwp)：c＝3800；年维护费用(元/年)：c
o
＝300；“全额上网”模式下电价补贴(元/kwh)：p
s
＝0.2；“余额上网”模式下补贴(元/kwh)：p
s
＝0.1；补贴年限(年)：n＝5；投资周期(年)：t＝25；贷款比例：r1＝50％；贷款年利率：r2＝5％；贷款年限(年)：n＝10；初始投资上限(元)：i0＝10000；投资回收期上限：采用等额本息贷款方式，分别计算两种模式下的最优投资容量及相关经济指标，运算结果如图4
‑
5所示。
[0116]
优化结果显示：用户最优投资容量为2.03kw(安装7个290w规格的光伏组件)，其年发电量达到2224.88kwh，总投资金额为8774.67元(自备现金3857元，本息和4917.67元)。此外，全额上网模式下，用户的效益成本之比为181.14％，投资回收期为9.98年，年均投资收益为9.44％；余电上网模式下，用户的效益成本之比为218.73％，投资回收期为7.81年，年均投资收益为12.23％，自发自用比例达到100％。基于以上数据，用户可根据决策偏好选择
合适的投资模式及最优方案。
[0117]
以上是本发明的具体实施方式，但本发明的保护范围不应局限于此。任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此本发明的保护范围应以权利要求书所限定的保护范围为准。